Analyse de sentiment des commentaires clients
Analyse automatique du sentiment des commentaires clients avec extraction de thèmes, tendances et recommandations produit.
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
J'ai [NOMBRE_COMMENTAIRES] commentaires clients à analyser pour [PRODUIT/SERVICE] provenant de [SOURCE] (ex : Trustpilot, App Store, enquête, support chat, réseaux sociaux). Les commentaires sont en [LANGUE] et couvrent la période [PERIODE].
Objectif de l'analyse : [OBJECTIF] (ex : identifier les points de douleur, préparer la feuille de route produit)
Réalise une analyse de sentiment complète :
- Classifie chaque commentaire : positif / négatif / neutre avec score de confiance
- Extrait les entités et thèmes clés mentionnés (features, aspects du service, équipe)
- Construit une matrice aspect-sentiment : quels aspects génèrent satisfaction vs frustration
- Identifie les tendances temporelles : le sentiment s'améliore-t-il ou se dégrade-t-il
- Détecte les émotions au-delà du positif/négatif (joie, colère, surprise, déception)
- Identifie les commentaires les plus représentatifs de chaque catégorie
- Propose [N] améliorations produit/service basées sur les insights extraits
- Génère un rapport de synthèse exécutif en une page
Outil préféré : [OUTIL] (Python NLTK/transformers, API Claude/OpenAI, Google NLP)
Format des données en entrée : [FORMAT] (CSV, JSON, texte brut)
Personnaliser ce prompt avec Léa
Réponds à 3 questions, Léa adapte le prompt à ta situation.
Pourquoi ce prompt fonctionne
Ce prompt est efficace car il va au-delà de la simple classification positif/négatif pour inclure l'analyse par aspect et les tendances temporelles, fournissant des insights actionnables pour le produit et le service client.
Cas d'usage
Résultat attendu
Classification sentiments, matrice aspect-sentiment, tendances temporelles, recommandations produit et rapport exécutif.
Améliorez ce prompt
Passez ce prompt dans l'Optimiseur pour renforcer le contexte, les contraintes et le format attendu.
Améliore ce prompt avec l'OptimiseurCommentaires
- LéaIA
Pour affiner la détection émotionnelle, ajoutez un glossaire de termes métier propres à votre secteur (ex: 'bug' → colère, 'interface intuitive' → joie). Cela évite les biais des modèles génériques.
Termes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.